轉載自：https://blog.csdn.net/tanzuozhev/article/details/50830928
本文摘自
Streiner DL.Maintaining standards: differences between the standard deviation and standarderror, and when to use each. Can J Psychiatry 1996; 41: 498–502.
http://www.07net01.com/program/306401.html
標準差(Standard Deviation)
標準差，縮寫爲S.D., SD, 或者 s (就是爲了把人給弄暈？)，是描述數據點在均值（mean）周圍聚集程度的指標。
如果把單個數據點稱爲“Xi,” 因此 “X1” 是第一個值，“X2” 是第二個值，以此類推。均值稱爲“M”。初看上去Σ(Xi-M)就可以作爲描述數據點散佈情況的指標，也就是把每個Xi與M的偏差求和。換句話講，是（單個數據點—數據點的平均）的總和。
看上去挺有邏輯性的，但是它有兩個缺點。
第一個困難是：上述定義的結果永遠是0。根據定義，高出均值的和永遠等於低於均值的和，因此它們相互抵消。可以取差值的絕對值來解決（也就是說，忽略負值的符號），但是由於各種神祕兮兮的原因，統計學家不喜歡絕對值。另外一個剔除負號的方法是取平方，因爲任何數的平方肯定是正的。所以，我們就有Σ(Xi-M)2。
另外一個問題是當我們增加數據點後此等式的結果會隨之增大。比如我們手頭有25個值的樣本，根據前面公式計算出SD是10。如果再加25個一模一樣的樣本，直覺上50個大樣本的數據點分佈情況應該不變。但是我們的公式會產生更大的SD值。好在我們可以通過除以數據點數量N來彌補這個漏洞。所以等式就變成Σ(Xi-M)2/N.
根據墨菲定律，我們解決了兩個問題，就會隨之產生兩個新問題。
第一個問題（或者我們應該稱爲第三個問題，這樣能與前面的相銜接）是用平方表達偏差。假設我們測量自閉症兒童的IQ。也許會發現IQ均值是75, 散佈程度是100 個IQ點平方。這IQ點平方又是什麼東西？不過這容易處理：用結果的平方根替代，這樣結果就與原來的測量單位一致。所以上面的例子中的散佈程度就是10個IQ點，變得更加容易理解。
最後一個問題是目前的公式是一個有偏估計，也就是說，結果總是高於或者低於真實的值。解釋稍微有點複雜，先要繞個彎。在多數情況下，我們做研究的時候，更感興趣樣本來自的總體（population）。比如，我們探查有年輕男性精神分裂症患者的家庭中的外現情緒（expressed emotion，EE)水平時，我們的興趣點是所有滿足此條件的家庭（總體），而不單單是哪些受研究的家庭。我們的工作便是從樣本中估計出總體的均值（mean）和SD。因爲研究使用的只是樣本，所以這些估計會與總體的值未知程度的偏差。理想情況下，計算SD的時候我們應當知道每個家庭的分值(score)偏離總體均值的程度，但是我們手頭只有樣本的均值。
根據定義，分值樣本偏離樣本均值的程度要小於偏離其他值，因此使用樣本均值減去分值得到的結果總是比用總體均值（還不知道）減去分值要小，公式產生的結果也就偏小（當然N很大的時候，這個偏差就可以忽略）。爲了糾正這個問題，我們會用N-1除，而不是N。總之，最後我們得到了修正的標準差的（估計）公式（稱爲樣本標準差）：
標準差(Standard Deviation) 和 標準誤差(Standard Error)
順帶一下，不要直接使用此公式計算SD，會產生很多舍入誤差(rounding error)。統計學書一般會提供另外一個等同的公式，能獲得更加精確的值。
現在我們完成了所有推導工作，這意味着什麼呢？
假設數據是正態分佈的，一旦知道了均值和SD，我們便知道了分值分佈的所有情況。對於任一個正態分佈，大概2/3（精確的是68.2%）的分值會落在均值-1 SD和均值+1 SD之間，95.4%的在均值-2 SD 和均值+2 SD之間。比如，大部分研究生或者職業院校的入學考試（GRE,MCAT,LSAT和其他折磨人的手段）的分數分佈（正態）就設計成均值500，SD 100。這意味68%的人得分在400到600之間，略超過95%的人在300到700之間。使用正態曲線的概率表，我們就能準確指出低於或者高於某個分數的比例是多少。相反的，如果我們想讓5%的人淘汰掉，如果知道當年測試的均值和SD，依靠概率表，我們就能準確劃出最低分數線。
總結一下，SD告訴我們分值圍繞均值的分佈情況。現在我們轉向標準誤差（standard error）。
標準誤差(Standard Error)
前面我提到過大部分研究的目的是估計某個總體(population)的參數，比如均值和SD（標準方差）。一旦有了估計值，另外一個問題隨之而來：這個估計的精確程度如何？這問題看上去無解。我們實際上不知道確切的總體參數值，所以怎麼能評價估計值的接近程度呢？挺符合邏輯的推理。但是以前的統計學家們沒有被嚇倒，我們也不會。我們可以求助於概率：（問題轉化成）真實總體均值處於某個範圍內的概率有多大？（格言：統計意味着你不需要把話給說絕了。）
回答這個疑問的一種方法重複研究（實驗）幾百次，獲得很多均值估計。然後取這些均值估計的均值，同時也得出它的標準方差（估計）。然後用前面提到的概率表，我們可估計出一個範圍，包括90%或者95%的這些均值估計。如果每個樣本是隨機的，我們就可以安心地說真實的（總體）均值90%或者95%會落在這個範圍內。我們給這些均值估計的標準差取一個新名字：均值的標準誤差（the standard error of the mean），縮寫是SEM,或者，如果不存在混淆，直接用SE代表。
但是首先得處理一個小紕漏：重複研究（實驗）幾百次。現今做一次研究已經很困難了，不要說幾百次了（即使你能花費整個餘生來做這些實驗）。好在一向給力的統計學家們已經想出了基於單項研究（實驗）確定SE的方法。讓我們先從直觀的角度來講：是哪些因素影響了我們對估計精確性的判斷？一個明顯的因素是研究的規模。樣本規模N越大，反常數據對結果的影響就越小，我們的估計就越接近總體的均值。所以，N應該出現在計算SE公式的分母中：因爲N越大，SE越小。類似的，第二因素是：數據的波動越小，我們越相信均值估計能精確反映它們。所以，SD應該出現在計算公式的分子上：SD越大，SE越大。因此我們得出以下公式：
標準差(Standard Deviation) 和 標準誤差(Standard Error)
(爲什麼不是N? 因爲實際是我們是在用N除方差SD2，我們實際不想再用平方值，所以就又採用平方根了。)
所以，SD實際上反映的是數據點的波動情況，而SE則是均值的波動情況。
置信區間(Confidence Interval)
前面一節，針對SE，我們提到了某個值範圍。我們有95%或者99%的信心認爲真實值就處在當中。我們稱這個值範圍爲“置信區間”，縮寫是CI。讓我們看看它是如何計算的。看正態分佈表，你會發現95%的區域處在-1.96SD 和+1.96 SD 之間。回顧到前面的GRE和MCAT的例子，分數均值是500，SD是100，這樣95%的分數處在304和696之間。如何得到這兩個值呢？首先，我們把SD乘上1.96，然後從均值中減去這部分，便得到下限304。如果加到均值上我們便得到上限696。CI也是這樣計算的，不同的地方是我們用SE替代SD。所以計算95%的CI的公式是：95%CI= 均值± ( 1.96 xSE)。
選擇SD, SE和CI
好了，現在我們有SD, SE和CI。問題也隨之而來：什麼時候用？選擇哪個指標呢？很明顯，當我們描述研究結果時，SD是必須報告的。根據SD和樣本大小，讀者很快就能獲知SE和任意的CI。如果我們再添加上SE和CI，是不是有重複之嫌？回答是：“YES”和“NO”兼有。
本質上，我們是想告之讀者通常數據在不同樣本上是存在波動的。某一次研究上獲得的數據不會與另外一次重複研究的結果一模一樣。我們想告之的是期望的差異到底有多大：可能波動存在，但是沒有大到會修改結論，或者波動足夠大，下次重複研究可能會得出相反的結論。
某種程度上來講，這就是檢驗的顯著程度，P level 越低，結果的偶然性就越低，下次能重複出類似結果的可能性越高。但是顯著性檢驗，通常是黑白分明的：結果要麼是顯著的，要麼不是。如果兩個實驗組的均值差別只是勉強通過了P < 0.05的紅線，也經常被當成一個很穩定的結果。如果我們在圖表中加上CI，讀者就很容易確定樣本和樣本間的數據波動會有多大，但是我們選擇哪個CI呢？
我們會在圖表上加上error bar（誤差條，很難聽），通常等同於1個SE。好處是不用選擇SE或者CI了（它們指向的是一樣的東西），也無過多的計算。不幸的這種方法傳遞了很少有用信息。一個error bar (-1 SE,+1 SE )等同於68%的CI；代表我們有68%的信心真的均值（或者2個實驗組的均值的差別）會落在這個範圍內。糟糕的是，我們習慣用95%，99% 而不是68%。所以讓忘記加上SE吧，傳遞的信息量太少了，它的主要用途是計算CI。
那麼把error bar加長吧，用2個SE如何？這好像有點意思，2是1.96的不錯估計。有兩方面的好處。首先這個方法能顯示95%的CI，比68%更有意義。其次能讓我們用眼睛檢驗差別的顯著性（至少在2個實驗組的情況下是如此）。如果下面bar的頂部和上面bar的底部沒有重疊，兩個實驗組的差異必定是顯著的（5%的顯著水平）。因此我們會說，這2個組間存在顯著差別。如果我們做t-test，結果會驗證這個發現。這種方法對超過2個組的情況就不那麼精確了。因爲需要多次比較（比如，組1和組2，組2和組3，組1和組3），但是至少能給出差別的粗略指示。在表格中展示CI的時候，你應該給出確切的數值（乘以1.96而不是2）。
總結
SD反映的是數據點圍繞均值的分佈狀況，是數據報告中必須有的指標。SE則反映了均值波動的情況，是研究重複多次後，期望得到的差異程度。SE自身不傳遞很多有用的信息，主要功能是計算95%和99%的CI。 CI是顯著性檢驗的補充，反映的是真實的均值或者均值差別的範圍。
一些期刊已把顯著性檢驗拋棄了，CI取而代之。這可能走過頭了。因爲這兩種方法各有優點，也均會被誤用。比如，一項小樣本研究可能發現控制組和實驗組間的差別顯著（0.05的顯著水平）。如果在結果展示加上CI，讀者會很容易看到CI十分寬，說明對差別的估計是很粗糙的。與之相反，大量鼓吹的被二手菸影響的人數，實際上不是一個均值估計。最好的估計是0，它有很寬的CI，報道的卻只是CI的上限。
總之，SD、顯著性檢驗，95%或者99% 的CI，均應該加在報告中，有利於讀者理解研究結果。它們均有信息量，能相互補充，而不是替代。相反，“裸”的SE的並不能告訴我們什麼信息，多佔據了一些篇幅和空間而已。
http://bbs.pinggu.org/thread-1189387-1-1.html
最後總結：標準差還是標準誤，注意看其英文原意，就可以把握個八九不離十了。本質上二者是同一個東西（都是標準差），但前者反映的是一種偏離程度，後者反映的是一種“差錯”，即用樣本統計量去估計總體參數的時候，對其“差錯”大小（也即估計精度）的衡量。